Liquid AI 小模型立大功！230M 參數在資料擷取上擊敗大四倍對手

Liquid AI 發表了其迄今為止最小的語言模型 LFM2.5-230M，並已引起市場關注。儘管僅有 2.3 億個參數，這款模型在資料擷取任務上的表現，卻超越了體積大它四倍的競爭對手，證明了在 AI 的世界裡，並非越大就越好。 該模型專為在運算資源有限的裝置上高效運行而設計，包括智慧型手機、筆記型電腦，甚至是機器人硬體。這使得它非常適合邊緣運算場景，例如在網路連線不穩定或需要極低延遲的情況下。 資料擷取——從非結構化文字中提取結構化資訊的能力——是企業的一項關鍵任務。從解析發票和合約，到擷取醫療記錄，準確的資料擷取能節省無數的人力工時。Liquid AI 的模型在多個基準資料集上達到了當前最佳水準，其效能可與甚至超越擁有數十億參數的模型。 「我們專注於在不妥協效能的前提下提升效率，」一位 Liquid AI 發言人表示。「我們的目標是打造一個能以精巧體積提供企業級效能的模型。LFM2.5-230M 證明了，你不需要龐大的伺服器農場也能獲得準確的結果。」 模型的小體積也意味著更低的能耗，這在企業尋求減少碳足跡的趨勢下變得越來越重要。它能夠完全在裝置端運行，確保資料隱私，因為敏感資訊從未離開使用者的裝置。 Liquid AI 已向開發者和企業客戶提供此模型，並提供了適用於主流程式語言的 API 和 SDK。早期採用者回報，該模型能輕鬆整合到現有工作流程中，即使在較舊的硬體上也能提供可靠的結果。 LFM2.5-230M 的發布，是朝向更小型、更專門化 AI 模型發展的廣泛趨勢的一部分。雖然像 GPT-4 這樣的大型語言模型佔據了新聞頭條，但許多實際應用更受益於快速、便宜且注重隱私的模型。Liquid AI 的成就表明，AI 的未來可能不在於追求更大的模型，而是在於更智慧、更高效的設計。